基于混合专家模型的岩石薄片图像分类

周程阳, 刘伟, 吴天润, 李骜, 韩霄松

doi:10.13413/j.cnki.jdxblxb.2023446

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (04) : 905 -914. DOI: 10.13413/j.cnki.jdxblxb.2023446

基于混合专家模型的岩石薄片图像分类

周程阳, 刘伟, 吴天润, 李骜, 韩霄松

作者信息 +

Author information +

文章历史 +

PDF (4235K)

摘要

以常见的5种岩石薄片作为研究对象构建数据集，提出一种新的基于混合专家模型的岩石薄片图像分类模型.该模型从薄片图像中学习到每种岩石图像的特征，并对其进行分类.首先，使用多个基于卷积神经网络(CNN)和Transformer的图像分类模型(ResNet50,MobileNetV3,InceptionV3,DeiT等)对数据进行训练；其次，选取效果较好的模型，通过构建混合专家模型，得到最终的预测结果，其岩性识别准确率(ACC)和AUC在验证集上达到85.33%和96.69%,在测试集上达到87.16%和96.75%;最后，通过混合专家模型结合多个模型，综合各模型的优势，平衡各模型间的贡献，提高分类结果的准确性和鲁棒性，使得到的分类结果更可靠、稳定.